从1:8到1:1——被 Agentic AI 重新点燃的 CPU 战争

英伟达的H100、H200、Blackwell，一批批地被超大规模云服务商（Hyperscaler）抢进数据中心。GPU就是算力，算力就是AI，这个等式几乎成了行业公理。CPU呢？它像个沉默的配角，负责把内存数据压缩、路由、递给GPU，然后站在一旁看GPU表演矩阵乘法。

但风向正在变。而且变得很快。

2026年3月，两个看似不相关的公告在两周内接连落地：英伟达宣布把Vera CPU作为独立产品对外销售，不再只是GPU的"跟班"；几乎同时，Arm推出了成立35年来的首款自研CPU——Arm AGI CPU，终结了它纯IP授权商的历史定位。一家GPU巨头和一家IP授权商，在同一个月选择杀进CPU市场。你说这是巧合？我不信。这是市场发出的结构性信号，响亮且清晰。

Agentic AI（自主智能体AI）的成熟，正在把CPU从数据中心的后排推回C位。这不是一次温和的采购调整，而是一场算力配比的根本性重构。

一、Agentic AI到底在CPU上做了什么？

要理解CPU为什么突然变得重要，得先搞清楚Agentic AI和传统聊天机器人的本质区别。

过去的AI工作流很简单。你输入一段文字，CPU把它切成token，传给GPU，GPU跑一遍模型，生成回答，再传回CPU显示出来。SemiAnalysis首席分析师Dylan Patel形容得很贴切：负载很轻，CPU大概只干5%到10%的活，剩下的全是GPU在扛。这就是为什么过去三年整个行业只盯着GPU——因为瓶颈确实在GPU。

但Agentic AI完全是另一套玩法。

想象一个自主智能体接到任务：它要先规划步骤，然后调用Python解释器写代码，接着爬取网页查数据，再向数据库发查询请求，同时可能还要启动几个子智能体并行处理子任务，最后评估结果是否达标、决定要不要重来一遍。这一整套"编排层"（Orchestration）——调度子任务、路由工具调用、在子智能体之间传递数据、判断原始请求是否完成——全部落在CPU肩上。

2025年11月，佐治亚理工与英特尔联合发表的学术论文《A CPU-Centric Perspective on Agentic AI》给出了精确的数字。研究团队对五种典型Agentic工作负载进行剖析，结论是：CPU上的工具处理（Python解释、网页爬取、词法摘要、数据库检索等）可以占到总延迟的90.6%。在大批量处理场景下，CPU动态能耗能达到系统总动态能耗的44%。

vLLM团队的数据更扎心。他们在H100上跑Llama 3 8B时发现，HTTP服务开销占33%，调度加输入准备占29%，真正的GPU计算只占38%。Blackwell让GPU更快了，但CPU喂数据的速度没跟上。用vLLM工程师的话说：GPU实在太快了，CPU根本喂不饱它。他们最近优化了HTTP/gRPC序列化，在1024并发下性能提升了57%——这57%的缺口，原本全被CPU侧的序列化开销吃掉了。

所以问题不是GPU不够强，而是Agentic AI的工作流让CPU成了新的 choke point。

CPU vs. GPU关键对比

二、配比从1:8到1:1，四倍算力缺口

数字不会说谎。当前AI数据中心的CPU与GPU配比大约在1:4到1:8之间，也就是说，一块CPU配四到八块GPU。这个比例在过去几年被视为"合理"，因为GPU是主角，CPU只是打杂的。

但Agentic AI把这个逻辑彻底打破了。

Arm的测算很直接：传统AI数据中心每吉瓦（GW）算力大约需要3000万颗CPU核心，进入Agentic AI时代，这个数字将飙升至1.2亿颗——四倍增幅。未来的CPU:GPU配比预计将从1:4~1:8演变到1:1至1:2。

传统LLM与Agentic AI时代的CPU:GPU配比变化

什么概念？意味着同样规模的AI数据中心，CPU需求量可能翻两番到四番。

摩根士丹利在最新报告里给出了一个更宏观的视角：到2030年，Agentic AI可能为CPU市场带来高达600亿美元的增量收入。

这不是小打小闹的周期性补库存，而是数据中心架构的根本重构。GPU仍然主导LLM训练的大规模并行计算，但自主智能体的部署需要一种截然不同的计算画像——一种高度依赖传统处理器灵活、低延迟能力的画像。

供需两端已经做出了反应。2026年第一季度末，Intel和AMD相继对部分CPU产品线提价。TrendForce的报告指出，数据中心CPU需求在AI工作负载和通用服务器两端同时激增，供应链开始吃紧。

更值得关注的是AWS与OpenAI在2025年11月达成的380亿美元、七年期战略合作协议。官方新闻稿里有一句话被大多数人忽略了：OpenAI将接入"数十万台最先进的英伟达GPU，并有能力扩展至数千万颗CPU以快速扩展Agentic工作负载"。 注意这个措辞——"数千万颗CPU"。他们本可以只提GPU，但CPU被写进了官方公告，这说明前沿AI实验室对CPU算力的Scaling需求是认真的。

三、玩家格局大洗牌

需求暴增必然引发供给端的格局重塑。CPU市场不再是Intel和AMD的二人转，一场多方混战已经打响。

Intel：从王者到追赶者

Intel的Xeon处理器曾长期占据数据中心CPU市场95%以上的份额。但这个数字从2021年开始崩塌——Intel 7制程的良率问题让Xeon Sapphire Rapids推迟近两年，给了AMD EPYC Milan可乘之机。到2025年第四季度，AMD的市场份额已攀升至28.8%。

2026年，Intel计划推出两款旗舰：基于Darkmont架构的Xeon 6+（Clearwater Forest），288核/288线程，TDP约450W；以及基于Panther Cove-X架构的Xeon 7（Diamond Rapids），最高256核/256线程，TDP高达650W。两款都基于Intel最先进的18A制程，并首次引入Foveros Direct混合键合。

但问题依旧卡在良率。TrendForce指出，受18A制程良率持续困扰，两款产品的量产可能推迟到2027年。 Intel CEO Lip-Bu Tan在财报会上坦承"供应受限"，CFO David Zinsner更直接地承认公司"misjudged"了数据中心CPU需求增速，正在把晶圆产能从PC CPU紧急调往服务器CPU。

AMD：乘势扩张

AMD的节奏明显更稳。2026年旗舰EPYC Venice将采用台积电N2制程、Zen 6架构，搭载CoWoS-L与SoIC先进封装，通过同步多线程（SMT）实现256核/512线程——线程数为当前市场最高。TrendForce预计AMD将在2026年继续从Intel手中蚕食份额。

Nvidia：Vera从配角到独立平台

英伟达的入局最具标志性。Vera CPU采用自研Olympus架构，台积电N3制程，CoWoS-R封装，提供88核/176线程。核心数看起来不如Intel或AMD的旗舰，但它有一条1.8 TB/s的NVLink-C2C互联，可与英伟达GPU实现内存共享。

关键是，Vera不再只是GPU的"配套CPU"。英伟达明确将其作为独立产品销售，首批合作伙伴包括阿里巴巴、字节跳动、Cloudflare、CoreWeave、Oracle等。英伟达还推出了Vera CPU机架：单机架集成256颗CPU，合计22,528核/45,056线程，总内存400 TB。Jensen Huang在彭博采访中暗示，"将会有更多"独立CPU部署。

Architecture diagram of the NVIDIA Vera CPU featuring 88 Olympus cores with 176 threads, NVLink-C2C at 1,800GB/s, and 1.5TB LPDDR5X memory with 1.2TB/s bandwidth.

NVIDIA Vera CPU架构详解（来源：NVIDIA Developer Blog, 2026年3月）

Arm：35年来的第一次

同样在三月份，Arm推出了Arm AGI CPU，基于台积电N3制程与Neoverse V3架构，136核/136线程，TDP 300W，支持DDR5-8800与PCIe Gen6。首批合作伙伴包括Meta、OpenAI、Cerebras、Cloudflare、SK Telecom等。

Arm同步推出了两款机架：风冷版集成60颗AGI CPU（8,160核，约180 TB内存），液冷版支持336颗CPU（45,696核，1 PB内存）。这是Arm成立35年来首次亲自下场做CPU产品，信号意义极强。

Arm AGI CPU rack configurations: air-cooled 36kW rack with 8,160 CPU cores and 180TB memory; liquid-cooled 200kW rack with 45,696 CPU cores and 1PB memory.

Arm AGI CPU机架配置（来源：Arm Newsroom, 2026年3月）

CSP自研与创业信号

超大规模云服务商的自研步伐也在加快。AWS 2025年12月发布了Graviton5（台积电N3，192核），与自研Trainium 3 AI ASIC协同部署；微软2025年11月推出Cobalt 200（台积电N3，132核）；谷歌计划2026年推出Axion C4A.metal裸金属版本。

更值得关注的是创业端的信号。Gerard Williams——这位主导过苹果A7至A12X、高通Oryon的传奇架构师，在Nuvia被高通14亿美元收购后，于2026年4月携原班人马创立Nuvacore，红杉资本领投，种子轮融资2400万美元。目标很明确：为AI基础设施打造通用ARM CPU。Williams说，"我们不仅仅是想制造一款更好的芯片，我们正在打造下一代计算的引擎。"

Nuvacore的出现不是孤立事件。它代表了一个共识：AI时代的CPU前景想象力太广阔了，完全值得重新投入一次。

四、被低估的长线逻辑

前面讲的都是"显性逻辑"——Agentic AI直接拉动CPU需求。但还有两条更深、更长的逻辑线，被市场严重低估了。

第一条是Coding Agent带来的软件密度爆炸。

从2025年底开始，Coding Agent迎来质变。Claude Code爆发式增长，三个月token营收增长三倍。这意味着什么？Code量接下来可能是十倍增长，App数量巨量膨胀。

人均coding量翻倍（小厂可能翻十倍），code供给量暴增不会只躺在repo里，而会逐步变成长期运行的软件资产——feature变多，product变多，microservice变多，API变多。App/API的生产成本和生产周期可能压缩到原来的10%，API usage大幅上升，直接带来传统CPU Workload的线性增长。这条逻辑甚至和Agentic AI没有直接关系，它是Code Agent的副产物。

Jevons悖论在software供给端展开了：软件越便宜，写得越多，运行得越多，消耗的CPU cycles越多。

第二条是CPU的"难通缩"属性。

内存和存储有压缩算法——kvcache的multi-head共享、turboquant压缩、精度从FP16降到FP4——这些技术持续降低单任务对存储的用量。但CPU不一样。目前任何Agentic CPU workload（CPU seconds）的增长，几乎都是实打实的硬件需求增长。CPU每代跑分提升大约10%到15%，这是它唯一的"通缩"来源。云端的超卖率一直很高，不会继续扩大，所以每个新增的CPU second都是几乎不打折的硬件线性增长。

ARM的指引是CPU供需缺口可能达到30%以上。几个原因叠加，加上AI服务器对CPU产能和订单的挤压，缺口只会更大。

五、产业链增量机遇与投资启示

非传统玩家的大规模入场，正在为IC后端设计服务商创造可观的增量业务。

TrendForce指出，AWS目前仍坚持自主完成CPU后端设计，但谷歌和微软均已将CPU后端设计外包给创意电子（GUC）。随着更多CSP和新兴CPU厂商加入市场，这一外包需求有望持续扩大。

预计2026年至2028年间，Broadcom、Marvell、GUC、Alchip、联发科等ASIC设计服务商将陆续承接来自上述客户的新增项目。对于寻找AI基础设施投资新切口的市场参与者而言，这一环节或许正是GPU热潮之外，尚未被充分定价的结构性机遇。

从投资配置的角度，摩根士丹利的研究给出了一个清晰框架：AI繁荣正从"训练阶段"进入"实施阶段"。训练阶段由GPU稀缺性和资本支出超高速增长定义，Agentic阶段则由集成、优化和均衡的异构计算定义。那些曾因市场过度聚焦GPU而被边缘化的公司，如今重新回到了聚光灯下。

AI工作负载硬件类型与职责对照

结语

2030年的AI数据中心，看起来将和2025年的GPU密集型集群截然不同。CPU与GPU的配比从1:8走向1:1，不是简单的数字游戏，而是AI工作流本质变化的映射。

Agentic AI需要编排、需要低延迟决策、需要与海量API和数据库实时交互——这些恰恰是CPU的强项。英伟达卖Vera、Arm做AGI CPU、Nuvacore重新出发、Intel和AMD涨价，所有这些信号指向同一件事：CPU不是回光返照，而是下一代AI基础设施不可或缺的底座。

在构建未来智能的竞赛中，GPU负责"想得更快"，CPU负责"协调得更好"。两者缺一不可。而当市场终于意识到这一点时，600亿美元的增量市场，或许只是一个开始

END

参考链接：

https://insights.trendforce.com/p/agentic-ai-cpu-gpu

https://www.datacenterdynamics.com/en/news/intel-reports-600m-net-loss-in-q4-2025-admits-to-misjudging-data-center-cpu-demand/

https://www.aboutamazon.com/news/aws/aws-open-ai-workloads-compute-infrastructure

【备注】写到这儿，其实还有很多料没来得及展开。比如美银最新的《CPU Reborn》报告，把服务器CPU市场的长期预测从13% CAGR、590亿美元，直接上调到了15% CAGR、710亿美元（2030年）。报告里还有一张完整的Vendor Roadmap时间轴，从AMD Zen 6 "Venice"、Intel Diamond Rapids/Clearwater Forest，到NVIDIA Vera、ARM AGI，各家制程节点和上市窗口一目了然。美银对AMD给出"买入"评级（目标价310美元），对Intel维持"跑输大盘"（目标价48美元），对ARM持"中性"——这些评级背后的逻辑链条，值得拆开细品。

如果你对CPU在Agentic AI时代的角色演变、各家厂商的roadmap节奏、以及产业链投资逻辑想有更深一层的理解，欢迎移步星球下载完整材料。我们也在星球里持续跟踪半导体行业的核心数据和高管访谈纪要，保持每周更新。